李东红：数据要素如何产生即时价值
近日，《学习时报》刊发清华经管学院创新创业与战略系教授、清华大学全球产业研究院副院长李东红署名文章《数据要素如何产生即时价值》。现转发全文，以飨读者。
“即时”是与“延时”对立统一的概念，指没有任何延迟的情形。在工业经济时代，从秒级、分钟级到小时级，甚至再到日级，都有可能因情景的特性而被归入到即时之列。例如，电话中的通话早已实现了秒级甚至更短的无延时应答，而工厂中的即时排产有时则需要几小时或几天才能准备到位。
进入数字经济时代之后，即时越来越多地指代秒级、毫秒级甚至更为瞬间的快速响应或行动。从无延时的视频交流，到各种APP上的流畅点击互动，再到智能汽车在高速行驶中成功避障、ChatGPT依指令快速生成文本、企业数据中台实时监测物流和资金流的动态变化等，丰富多彩的即时化情景已经在社会的各个层面大量涌现。
从根本上说，具有数字经济时代特征的即时行为与现象，同物联网、大数据、人工智能、云计算、边缘计算等数字化智能化技术的快速进步紧密联系在一起，源于数据在新技术浪潮中成了重要的生产要素。数据作为新型生产要素，正在与其他生产要素相融合，共同创造出一系列新的价值。这其中便包含有在极为短暂的瞬间创造出新的经济价值或社会价值的情形，也即数据要素产生出多种多样的即时价值。那么，数据要素是如何产生即时价值的呢？具体来说，其内在机理集中体现在如下三个方面。
以丰富的即时需求情景为牵引
价值创造从根本上来说源于市场或社会需求，一旦这些需求部分或者全部得到满足，价值就会获得创造。例如，人口密集且快节奏的城市生活会对持续改善交通状况产生需求，而满足这些需求过程中出现的地铁系统、卫星导航系统、叫车平台系统等，都会创造出新的价值。
需求的出现总是和特定的社会生产或生活情景联系在一起。情景中固有的需求，或者情景在演进中激发出的新需求，都为价值创造提供了空间。这其中，一些需求需要在短暂的瞬间获得满足，可以称之为即时需求。而另外一些需求的满足，则可以经历一段时间的延迟，甚至能够接受长时间的等待。现实中，这两类需求可能因条件的改变而相互转换。不过，社会进步对效率提升和效果改善的持续追求，使得越来越多原本需要延时满足的需求向着即时需求转换。或者说，无论是消费者个人需求，还是社会部门的机构需求，其满足过程倘若需要等待甚至是长时间的等待，则通常是一种不得已的次优选择。
如若能够更快更好地满足，则需求方的体验会更好，社会稀缺资源的有效利用程度也会提高。正因如此，社会生产与生活中存在大量的即时需求，且即时需求仍在持续增加之中。例如，企业总是希望产品的质量瑕疵能够在第一时间被发现并立即获得改进，总是希望每一刻都能够充分掌握市场需求与竞争状况，也总是希望掌握每一位员工的实时工作状态。
再如，消费者总是希望商家能够快速理解其真实需求并以最快的速度提供所需的产品或服务，希望商家能够对其各种售前、售中和售后的诉求给予快速响应。今天，在加工制造、建筑安装、交通运输、教育、医疗、金融服务等所有的社会生产与流通领域，以及在家庭、社会交往、文化娱乐、体育健身等所有的社会生活领域，都存在着大量的即时需求，由此形成了十分丰富的即时需求情景。
在满足情景即时需求的过程中创造的价值，可以被称之为即时价值。立足于此，数据产生即时价值的过程，就是数据推动提供新产品或新服务以满足即时需求，或者数据推动已有产品或服务与即时需求实现更好的适配。例如，长期以来，消费者都希望商家的客服系统能够给出即时响应。然而，受到成本费用等因素的制约，这一需求通常得不到满足。
以对海量数据的即时处理为基础
数据产生即时价值，依赖于软硬件系统在极为短暂的时间范围内对海量实时数据做出处理，借此做出清晰的判断与决策，发出指令并协调各项行动。一方面，在新一代移动通信网络、大数据等技术出现之前，虽然社会生产与生活也都在源源不断地产生海量的数据，但受到技术收集、传输、分析等手段的限制，这些数据普遍处于沉睡状态，整个社会基于数据分析所形成的分析判断能力也比较有限，数据所能创造的价值并未受到太多的关注。
在新型数字化智能化技术兴起之后，软硬件系统乃至整个社会组织系统可以基于海量数据形成准确的判断并做出精准的决策，数据产生价值由此获得充分显现。另一方面，系统只有在秒级、毫秒级等即时范围内对数据做出快速处理，结果的呈现和行动的采取才有可能不发生延时。只有当上述两个条件同时具备之时，数据才能真正产生出即时价值。例如，导航系统可以即时更新针对每个服务对象的出行建议方案，是因为系统随时都在大规模汇聚并处理路况数据、出行者位置数据、车辆位置数据、出行者需求数据等。
更进一步，数据产生即时价值还依赖于软硬件系统同步对相关延时数据的规模化处理。即时价值产生过程中的数据归集与处理并不是孤立的。
一方面，系统的任何即时决策，都需要以先前的状态为基础，因而在需要以实时数据把握当下实际状况的同时必须掌握前序时段的状况，这就需要同步处理前序时段已经汇聚的海量数据，或者将前序时段的数据处理结果即时调用。
另一方面，系统之所以能够对当下及前序时段的海量数据做出快速且有效的处理，是因为已经借助以往长时间的海量数据积累与分析建立起了自身的知识库与能力库。实际上，随着系统归集与处理数据的时间间隔的持续缩短，数据的产生和处理走向了连续化，这为数据产生即时价值奠定了坚实基础。
以强大的算力和算法为支撑
在数据产生即时价值的过程中，相关的硬件设备及软件系统之所以能够对海量的实时及延时数据做出快速处理，在于系统拥有强大的算力和算法，可以借此实现高效率、低能耗、可持续的即时海量数据处理。
例如，在智能汽车的行进过程中，自动驾驶系统需要即时综合处理以往及实时的路面状况数据、路肩数据、远近处行驶中其他车辆的数据、车辆之外的人或物等障碍物数据、光线数据、车内外温度湿度数据、车辆速度数据、车辆零部件与元器件状态数据、交通规则数据、乘客基本状态数据、乘客历史偏好与下达的指令数据等，同步即时给出能够确保车辆始终处于最佳行驶状态且车辆内乘客获得最佳服务的各种行动指令，并能即时应对任何可能的突发状况。所有这些数据处理过程的实现，都离不开算力和算法的支撑。
这里的算力和算法都是综合性的概念。算力既包括靠近数据源头一侧、能够就近快速完成数据处理的边缘计算能力，也包括部署在网络云端、可以在较短的时间内完成大量数据处理的云计算能力；既包括投入其中的硬件的计算能力，也包括各种通用软件和专用软件的计算能力等。类似地，算法包含了各种各样可用于数据处理的指令与模型等。
当然，算力与算法在海量数据快速处理中功能与作用的有效发挥，需要有强大的数据采集与传输网络做匹配。人、机器设备、场地设施、软件及各类周边环境等在静态或动态过程中产生的各种数据，都需要借助数据网络来实现收集、传输和存储，从而为海量数据创造丰富的即时价值准备条件。
END好文推荐Valuable Articles